Análisis de la depresión en España mediante técnicas de Machine Learning - Rivera Marassa, Carolina

Abstract

Este trabajo tiene como objetivo analizar los factores asociados a la depresión en la población adulta española a partir de la Encuesta de Salud de España 2023, elaborada por el Instituto Nacional de Estadística, con una muestra de 21.032 individuos. La variable objetivo es la presencia o ausencia de depresión, construida a partir de la variable SEVERIDAD_DEPRESIVA y recodificada en formato dicotómico.

La metodología empleada combina análisis descriptivo, selección de variables mediante información mutua, aplicación de técnicas de aprendizaje automático, análisis de interpretabilidad de los resultados y reglas de asociación para identificar perfiles de mayor riesgo.

Los resultados muestran que las variables con mayor capacidad explicativa fueron la edad, la actividad física, la Comunidad Autónoma de residencia y el consumo de tranquilizantes. Desde una perspectiva preventiva, uno de los hallazgos más relevantes es el papel de la actividad física como principal elemento protector frente a la depresión, incluso por encima de variables biológicas o demográficas sobre las que existe menor margen de intervención. Además, el análisis de perfiles de riesgo permitió identificar un grupo especialmente vulnerable: mujeres mayores de 55 años, sedentarias y consumidoras de tranquilizantes, cuya prevalencia de depresión severa es casi cuatro veces superior a la observada en la población general.

En conjunto, los resultados confirman la naturaleza multifactorial de la depresión y apuntan a la necesidad de estrategias de prevención basadas en la promoción de la actividad física, el seguimiento de pacientes consumidores de tranquilizantes y un enfoque diferenciado por sexo en los protocolos de detección temprana.

This study aims to analyse the factors associated with depression in the Spanish adult population using data from the 2023 Spanish Health Survey, conducted by the Spanish National Statistics Institute, with a sample of 21,032 individuals. The target variable is the presence or absence of depression, constructed from the variable SEVERIDAD_DEPRESIVA and recoded into a binary format.

The methodology combines descriptive analysis, feature selection through mutual information, the application of machine learning techniques, interpretability analysis of the results and association rules to identify higher-risk profiles.

The results show that the variables with the greatest explanatory capacity were age, physical activity, Autonomous Community of residence and the use of tranquillisers. From a preventive perspective, one of the most relevant findings is the role of physical activity as the main protective factor against depression, even above biological or demographic variables over which there is less scope for intervention. In addition, the risk profile analysis identified a particularly vulnerable group: women over the age of 55 who are sedentary and use tranquillisers, whose prevalence of severe depression is almost four times higher than that observed in the general population.

Overall, the findings confirm the multifactorial nature of depression and point to the need for prevention strategies based on the promotion of physical activity, the monitoring of patients who use tranquillisers and a sex-specific approach in early detection protocols.